基于CNN与特征周期变化率的故障电弧检测嵌入式系统实现研究
针对现有电弧故障检测装置精准度低、实时性不足以及高负载持续运行等问题,提出基于卷积神经网络(convolutional neural networks,CNN)与特征周期变化率的故障电弧检测算法,该算法分为上电和过程两种检测模式.上电模式采用多特征量导入CNN进行检测,过程模式提出电流的不同状态特征值周期变化率的概念,并把特征值变化率进行分区,联合神经网络进行递进检测,在保证准确率的同时降低算法复杂度.该算法以STM32H743 为处理器,搭配调理、数据采集等电路形成实时电弧故障诊断系统.经过实验测试,本装置对交流故障电弧检测平均正确率达到 97.43%,最快检测时间低至 0.045s,可为电弧故障检测装置的研制提供理论支撑和可靠参考.
串联故障电弧、周期变化率、卷积神经网络、电弧检测装置
42
TM501.2(电器)
重庆市技术创新与应用发展专项重点项目CSTB2022TIAD-KPX0040
2023-08-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
147-155